基于仿生多層ICA-HMAX模型的目標(biāo)編碼及應(yīng)用研究.pdf

1、視覺特征提取是從原始視覺成像數(shù)據(jù)中發(fā)現(xiàn)、篩選、獲取、存儲(chǔ)有效信息的重要過(guò)程，提取特征的優(yōu)劣對(duì)識(shí)別等離散分類問(wèn)題和檢索等連續(xù)回歸問(wèn)題均有較大影響，制約著整個(gè)視覺系統(tǒng)的性能。
　　隨著大數(shù)據(jù)時(shí)代來(lái)臨以及人類對(duì)智能化數(shù)據(jù)處理系統(tǒng)要求的提高，傳統(tǒng)的視覺特征（如顏色、紋理、局部/全局特征等）往往存在缺乏強(qiáng)大的視覺表達(dá)性能且需要豐富的專業(yè)領(lǐng)域地先驗(yàn)知識(shí)進(jìn)行輔助等問(wèn)題;而基于視覺仿生機(jī)理的特性學(xué)習(xí)（尤其是深度學(xué)習(xí)）具備優(yōu)異的學(xué)習(xí)、編碼和表達(dá)能力

2、，在主要的計(jì)算機(jī)視覺任務(wù)中，均表現(xiàn)出統(tǒng)治力的執(zhí)行效果，因此仿生視覺特性學(xué)習(xí)備受關(guān)注，具有廣闊的應(yīng)用前景。
　　多層次仿生模型是銜接生物視覺與計(jì)算機(jī)視覺的有效橋梁，既體現(xiàn)了生物的視覺感知機(jī)理，又包含了特征的編解碼過(guò)程，需要深入研究模型的工作機(jī)理和細(xì)節(jié)。但由于多層模型中存在多個(gè)隱含層、數(shù)據(jù)維度高、特征表現(xiàn)形式復(fù)雜造成難以發(fā)現(xiàn)模型內(nèi)部隱含的運(yùn)作規(guī)律，而常將其直接作為“輸入-輸出”黑盒過(guò)程來(lái)理解，針對(duì)此問(wèn)題，本文主要開展了以下工作:

3、>　　(1)以大腦視皮層的視覺信息處理機(jī)制為理論基礎(chǔ)，以彩色圖像為研究對(duì)象，以無(wú)監(jiān)督學(xué)習(xí)獨(dú)立成分分析法為核心，在Sparse-HMAX模型的基本基礎(chǔ)上構(gòu)建反饋結(jié)構(gòu)的多層次模型;
　　(2)將配對(duì)字典的特征重構(gòu)思想引入前饋多層次模型，把模型高層特征表達(dá)轉(zhuǎn)換到原始像素空間，實(shí)現(xiàn)高層特征重構(gòu);同時(shí)，系統(tǒng)地考慮并定量分析了模型中各參量對(duì)圖像特征表達(dá)的影響，形成具有普遍意義的參數(shù)影響規(guī)律;
　　(3)分析了ICA-HMAX模型高層卷積